基于支持向量机的网页分类技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 前言 | 第8-15页 |
| ·课题背景与意义 | 第8页 |
| ·国内外研究现状 | 第8-12页 |
| ·论文研究内容 | 第12-13页 |
| ·论文组织结构 | 第13-15页 |
| 第二章 相关关键技术 | 第15-32页 |
| ·网页分类技术 | 第15-20页 |
| ·分类预处理技术 | 第15-17页 |
| ·网页分类算法分类 | 第17-19页 |
| ·常用网页分类算法 | 第19-20页 |
| ·支持向量机基本原理 | 第20-22页 |
| ·支持向量机概述 | 第20-21页 |
| ·支持向量机的几何意义 | 第21页 |
| ·支持向量机的一般原理 | 第21-22页 |
| ·支持向量机的训练算法 | 第22-26页 |
| ·Chunking 算法 | 第23-24页 |
| ·Qsuna 算法 | 第24页 |
| ·SVM~(light)算法 | 第24页 |
| ·SMO 算法 | 第24-25页 |
| ·各算法的比较 | 第25-26页 |
| ·SMO 算法 | 第26-28页 |
| ·SMO 算法原理 | 第26-27页 |
| ·SMO 算法的执行步骤 | 第27-28页 |
| ·SMO 算法的不足和改进 | 第28页 |
| ·支持向量机增量学习算法 | 第28-31页 |
| ·支持向量机增量学习算法分类 | 第29-30页 |
| ·支持向量机增量学习算法原理 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于三样本点迭代的支持向量机改进算法 | 第32-40页 |
| ·SMO 算法分析 | 第32-33页 |
| ·基于三样本点工作集的 SMO 改进算法 | 第33-37页 |
| ·三点解析解 | 第33-35页 |
| ·启发式选择 | 第35-36页 |
| ·3P-SMO 算法描述 | 第36-37页 |
| ·实验与讨论 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于超平面距离的支持向量机增量学习算法 | 第40-51页 |
| ·现有 SVM 增量学习算法存在的问题及证明 | 第40-44页 |
| ·基于超平面距离的增量学习算法 | 第44-46页 |
| ·实验与讨论 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 中文网页分类实验系统设计 | 第51-61页 |
| ·实验环境设定 | 第51页 |
| ·实验系统结构设计 | 第51-56页 |
| ·特征提取模块 | 第52-55页 |
| ·训练模块 | 第55-56页 |
| ·分类模块 | 第56页 |
| ·运行结果及分析 | 第56-60页 |
| ·系统运行 | 第56-58页 |
| ·运行结果分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 总结 | 第61-63页 |
| 主要工作 | 第61页 |
| 主要创新点 | 第61-62页 |
| 存在的问题及未来的方向 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 在学期间的研究成果 | 第67-68页 |
| 致谢 | 第68页 |
